如何在Java/Scala中用正则表达式替换DataFrame列字符串

要实现将PID后面的正负数字统一替换为999999999，你可以结合Pandas的str.replace()方法和针对性的正则表达式来完成，具体步骤如下：

1. 核心正则表达式与替换逻辑 #

我们需要匹配PID后紧跟的可选负号和连续数字序列，正则模式为：r'PID(-?\d+)'

• PID：精确匹配字符串中的固定前缀
• -?：匹配可选的负号（-），表示数字可能是负数或正数
• \d+：匹配一个或多个数字字符
• 替换目标为PID999999999，直接覆盖原有的数字部分

2. 完整代码示例 #

假设你的DataFrame名为df，执行以下代码即可完成替换：

import pandas as pd

# 模拟原始DataFrame
data = {'PID': [
    'abc.PID-12345.cdf',
    'abc.PID-12345678.xyz',
    'abc.PID123456789.abc',
    'xy.PID12345.def',
    'ak.PID21.ab'
]}
df = pd.DataFrame(data)

# 执行替换操作
df['PID'] = df['PID'].str.replace(r'PID(-?\d+)', 'PID999999999', regex=True)

print(df)

3. 输出验证 #

运行上述代码后，你会得到期望的结果：

PID
0  abc.PID999999999.cdf
1  abc.PID999999999.xyz
2  abc.PID999999999.abc
3   xy.PID999999999.def
4    ak.PID999999999.ab

这个正则表达式能精准覆盖你提供的所有正负数字场景，确保只替换PID后的数字部分，不会影响字符串中的其他内容。

内容的提问来源于stack exchange，提问作者wleng